Actividad - Colaborativa Unidad 2 Paso 4

ESTADÍSTICA DESCRIPTIVA
TAREA 4 – ACTIVIDAD COLABORATIVA 2
Presentado por:
CARLOS ARIOLFO MARTINEZ ESTEVEZ COD 1099282448
ZORAYDA IVETTE RICO COD 52314503
CARLOS FELIPE JAIMES VILLAMIZAR COD 1095810244
DIANA MAYERLI MARTINEZ COD 1005294118
Presentado a:
MARIA CAMILA GONZALEZ
Directora Del Curso.
FREDDY YESID VILLAMIZAR
Tutor.
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
LICENCIATURA EN MATEMATICAS
NOVIEMBRE DE 2019
Estadística Descriptiva
Universidad Nacional Abierta Y A Distancia – UNAD
INTRODUCCIÓN
En este trabajo colaborativo se desarrollan ejercicios con diferentes problemáticas a analizar con
medidas de tendencia y e dispersión, dividido en 2 partes, la tarea 1 corresponde a definiciones
de conceptos estadísticos, tales como, medidas de dispersión, regresión lineal, correlación lineal
y diagramas de caja. Y en las tareas 2 a 5 se solucionan actividades relacionadas con varianza y
algunas medidas de dispersión.
ACTIVIDADES A DESARROLLAR
1. Cada estudiante presentará en el foro los conceptos de medidas de dispersión, regresión

lineal, correlación lineal y diagramas de caja.
DEFINICIONES ESTUDIANTE CARLOS MARTINEZ:
MEDIDAS DE DISPERSIÓN:
Son medidas estadísticas que indican como se alejan los datos respecto de la media aritmética.
Es decir permiten conocer la dispersión de los datos.
Las medidas de dispersión más utilizadas son el rango, la desviación estándar y la varianza.
Rango: es una medida útil a la hora de realizar tablas de datos agrupados por intervalos, además
de indicar la dispersión entre los valores extremos de una variable. Para hallarlo se realiza la
diferencia entre el mayor y el menor valor de la variable. Se denota como “R”.
Para datos ordenados se calcula como:
R = x(n) - x(1)
Dónde: x(n): Es el mayor valor de la variable. x(n): Es el menor valor de la variable.
Desviación media: La desviación respecto a la media es la diferencia entre cada valor de la

variable estadística y la media aritmética. Para hallarla:
D i=x− x́
La desviación media es la media aritmética de los valores absolutos de las desviaciones respecto
a la media.
La desviación media se representa por D x́

Si los datos vienen agrupados en una tabla de frecuencias, la expresión de la desviación media
es:
Desviación estándar: llamada también desviación típica; mide el grado de disersión de los datos
con respecto a la media, se denota como “s” para una muestra o como “σ” para la población. Se
define como la raíz cuadrada de la varianza según la expresión:
Para datos agrupados:

Varianza: otro parámetro utilizado para medir la dispersión de los valores de una variable
respecto a la media. Corresponde a la media aritmética de los cuadrados de las desviaciones
respecto a la media. Su expresión matemática es:
Donde “Xi” es el dato “i-ésimo” y “X barra” es la media de los “N” datos.
Coeficiente de Variación: Sirve para determinar la razón existente entre la desviación estándar
“(s)” y la media. Se denota como “CV”. El coeficiente de variación permite decidir con mayor
claridad sobre la dispersión de los datos.
El coeficiente de variación se suele expresar en porcentajes:

REGRESIÓN LINEAL
O ajuste lineal es un modelo matemático usado para aproximar la relación de dependencia entre
una variable dependiente “Y”, las variables independientes “Xi” y un término aleatorio “ε” es
decir que permite determinar el grado de dependencia de las series de valores X e Y, prediciendo
el valor y estimado que se obtendría para un valor x que no esté en la distribución.
Existen 2 modelos de regresión lineal:
 Regresión lineal simple: se basa en estudiar los cambios en una variable, no aleatoria
 Regresión lineal múltiple: permite trabajar con una variable a nivel de intervalo o razón
CORRELACIÓN LINEAL
Es un cumulo de procedimientos e indicadores estadísticos utilizados para determinar el grado

de asociación entre dos variables; el más sencillo de ellos es el de correlación lineal que está
basado en la comparación de la varianza asociada de dos variables (covarianza) y las
desviaciones estándar de cada uno a través del cálculo del coeficiente r de Pearson.
 La covarianza: (cov(x,y)) de dos variables es un indicador de la relación entre ellas. Este

parámetro puede utilizarse para medir la relación entre dos variables solo si están
expresadas en la misma escala o unidad de medida.
 Coeficiente de correlación de Pearson: Este coeficiente mide el grado de asociación

lineal entre dos variables. Se denota como r y su valor fluctua en el intervalo [-1, 1].
DIAGRAMA DE CAJA
También conocido como diagrama de caja y bigote; es un gráfico utilizado para representar una
variable cuantitativa (variable numérica). El gráfico es una herramienta que permite visualizar, a
través de los cuartiles, cómo es la distribución, su grado de asimetría, los valores extremos, la
posición de la mediana.
Se compone de:
 Un rectángulo (caja) delimitado por el primer y tercer cuartil (Q1 y Q3). Dentro de la
caja una línea indica dónde se encuentra la mediana (segundo cuartil Q2)
 Dos brazos, uno que empieza en el primer cuartil y acaba en el mínimo, y otro que
empieza en el tercer cuartil y acaba en el máximo.
 Los datos atípicos (o valores extremos) que son los valores distintos que no cumplen
ciertos requisitos de heterogeneidad de los datos.
Ejemplo:
DEFINICIONES ESTUDIANTE: CARLOS FELIPE JAIMES VILLAMIZAR
Medidas de dispersión
Diremos que una medida de dispersión tratara de medir la distancia a la que se encuentran los datos de
una determinada medida de posición. Así, cuanto menor sea la medida de dispersión, menor será la
distancia de los datos a la medida de posición y más representativa resultará ésta.
a) Varianza: definimos la varianza como la media aritmética de la distancia de cada uno de los
valores que toma la variable en la muestra a la media aritmética y la cual calculamos haciendo
uso de la siguiente formula:

n
∑ (xi −x́)2 ∙ ni
S2= i=1
N
b) La desviación típica: La desviación típica, o desviación estándar, es la raíz cuadrada positiva de
la varianza, es decir:
S= √ S2 =
√ ∑ (xi − x́)2 ∙ ni
i=1
N
Como vemos, se representa por S, y para calcularla es preciso en todo caso calcular previamente
la varianza.
c) Coeficiente de variación: El coeficiente de variación es una de las medidas de dispersión
adimensionales más importantes. Se define como el cociente entre la desviación típica y la media
aritmética:
S
V=
x́
Como ambas medidas tienen las mismas unidades que la variable original, dividirlas hace que
desaparezcan las unidades y nos proporciona una medida de dispersión o variabilidad
adimensional.
Regresión lineal
Diremos que la teoría de la regresión lineal tiene la finalidad de encontrar la estructura de dependencia
que mejor explique la relación entre dos o más variables. Se tratará entonces de encontrar la estructura
que mejor explique el comportamiento de la denominada variable dependiente o explicada (Y) en función
de las denominadas variables independientes o explicativas (Xi).
Abordaremos únicamente el caso que relaciona dos variables: la variable dependiente con una única
variable independiente. Llamaremos regresión de Y sobre X a la función que explica el comportamiento
de la variable dependiente Y en función de los valores de la variable independiente X.
Si representamos los valores que tenemos en un diagrama de dispersión o nube de puntos, podemos
observar gráficamente la relación que presentan ambas variables. Para obtener este tipo de gráfico
debemos representar cada pareja de valores por un punto en el espacio euclídeo bidimensional. Si hubiese
alguna pareja de valores que presentase una frecuencia superior a 1, se indicaría junto al punto el valor de
dicha frecuencia.
En la siguiente figura se han representado los valores de la cosecha obtenida en una determinada región
en distintas temporadas y el fertilizante utilizado en cada una de ellas, ya que se pretende analizar si
existe relación entre estas dos variables.

Como vemos en el gráfico, estos datos presentan una relación lineal clara entre las variables, de modo
que podemos concluir que la estructura que mejor relaciona estas variables es la línea recta. Cuando esto
ocurre podemos modelizar los datos haciendo uso del modelo de regresión lineal.
Diremos entonces que la recta de regresión que relaciona dos variables tomará la forma:
Y =a+bx +ε
siendo ε el término de error. Para calcular los valores de a y b utilizaremos las siguientes fórmulas:
S xy m 11
b= 2
= ; a= ý−b x́
S x
m 10
Correlación lineal
El coeficiente de correlación lineal es una media del grado de dependencia estadística que presentan dos
variables. Se calcula como el cociente entre su varianza y el producto de sus desviaciones típicas, es
decir:
S xy
r=
Sx ∙ S y
De forma más precisa, podemos decir que nos indica hasta qué punto dos variables están linealmente
relacionadas entre sí.
El coeficiente de correlación lineal toma siempre valores entre −1 y 1:
Si toma el valor 1, podemos decir que existe una dependencia funcional positiva entre las variables, es
decir, que presentan una relación lineal perfecta y, además, cuando una toma valores más grandes la otra
también.
Si toma el valor −1, podemos decir que existe una dependencia funcional negativa entre las variables, es
decir, que presentan una relación lineal perfecta, pero cuando una toma valores más grandes la otra
disminuye.
Si toma valor 0, podemos decir que las variables son linealmente independientes. Sin embargo, esto no
quiere decir que las variables no presenten algún tipo de estructura de dependencia que no sea lineal.
Lo normal será que tome valores entre 0 y 1 o entre −1 y 0. Si toma valores entre 0 y 1, estaremos ante
una relación estadística positiva, que será más fuerte si el valor está cerca de 1 y menos si está más cerca
de 0.
Si toma valores entre −1 y 0, estaremos ante una relación estadística negativa, que será más fuerte cuanto
más se aproxime el valor a −1.
Diagramas de caja
Un diagrama de cajas y bigotes es una manera conveniente de mostrar visualmente grupos de datos
numéricos a través de sus cuartiles.
Las líneas que se extienden paralelas a las cajas se conocen como «bigotes», y se usan para indicar
variabilidad fuera de los cuartiles superior e inferior. Los valores atípicos se representan a veces como
puntos individuales que están en línea con los bigotes. Los diagramas de cajas y bigotes se pueden
dibujar vertical u horizontalmente.
Normalmente utilizado en estadísticas descriptivas, los gráficos de cajas y bigotes son una excelente
forma de examinar rápidamente uno o más conjuntos de datos gráficamente. Aunque parezcan primitivos
en comparación con un Histograma o un Gráfico de Densidad, tienen la ventaja de ocupar menos espacio,
lo cual es útil cuando se comparan distribuciones entre muchos grupos o conjuntos de datos.
DEFINICIONES DIANA MAYERLI MARTINEZ
Medidas de dispersión
Parámetros estadísticos que indican como se alejan los datos respecto de la media aritmética.
Sirven como indicador de la variabilidad de los datos. Las medidas de dispersión más utilizadas
son el rango, la desviación estándar y la varianza.
Rango
Indica la dispersión entre los valores extremos de una variable. se calcula como la diferencia
entre el mayor y el menor valor de la variable. Se denota como R.
Para datos ordenados se calcula como:
R = x(n) - x(1)
Dónde: x(n): Es el mayor valor de la variable. x(n): Es el menor valor de la variable.
Desviación media
Es la media aritmética de los valores absolutos de las diferencias de cada dato respecto a la
media.
Donde:
Xi: valores de la variable.
n: número total de datos
Desviación estándar
La desviación estándar o desviación típica es la raíz cuadrada de la varianza.
Es decir, la raíz cuadrada de la media de los cuadrados de las puntuaciones de desviación.

La desviación estándar se representa por σ
Varianza
Es otro parámetro utilizado para medir la dispersión de los valores de una variable respecto a la
media. Corresponde a la media aritmética de los cuadrados de las desviaciones respecto a la
media. Su expresión matemática es:
Donde Xi es el dato i-ésimo y es la media de los N datos.
Regresión lineal
Regresión lineal o ajuste lineal es un modelo matemático usado para aproximar la relación de
dependencia entre una variable dependiente Y, las variables independientes Xi y un término
aleatorio ε. Este modelo puede ser expresado como:
Correlación lineal
La correlación indica la fuerza y la dirección de una relación lineal y proporcionalidad entre dos
variables estadísticas. Se considera que dos variables cuantitativas están correlacionadas cuando
los valores de una de ellas varían sistemáticamente con respecto a los valores homónimos de la
otra: si tenemos dos variables (A y B) existe correlación entre ellas si al disminuir los valores de
A lo hacen también los de B y viceversa. La correlación entre dos variables no implica, por sí
misma, ninguna relación de causalidad.
Diagrama de caja
También conocido como diagrama de caja y bigote, box plot, box-plot o boxplot. Es un método
estandarizado para representar gráficamente una serie de datos numéricos a través de sus
cuartiles. De esta manera, el diagrama de caja muestra a simple vista la mediana y los cuartiles
de los datos, 1pudiendo también representar los valores atípicos de estos.
Para la interpretación de este tipo de gráfico, primero obtenemos la media de cada intervalo, y
luego la mediana de la tabla de frecuencias en general. Con estos datos utilizamos la fórmula de
la media de cada intervalo elevado a la mediana. Los datos obtenidos en esta fórmula son la
interpretación.
TAREA 1
Los porcentajes de rentabilidad de los fondos de la inversión de diez grandes empresas fueron:
28,2 18,1 34,4 28,9 26,5 26 25

12,5 10 10,9 20,5 25,5 14,9 20
Para esta población determine:
a) La varianza
b) La desviación típica
c) Desviación media.
Desarrollo:
A) LA VARIANZA:
Primero se halla la media aritmética, teniendo en cuenta que “n”(número de datos) es n=14
28,2+18,1+ 34,4+28,9+26,5+26 +25+12,5+10+10,9+20,5+25,5+ 14,9+ 20

x́=
14
1507
5 1507
¿ = ≈ 21.5
14 14
Se aplica formula de varianza:
2 2 2
2 ( x 1− x́ ) + ( x 2− x́ ) +…+ ( x n−x́ )
σ =
n
Se usa esta fórmula que es para la población y no para la muestra.
2 ( 28,2−21.5 )2+ ( 18,1−21.5 )2 + ( 34,4−21.5 )2 + ( 28,9−21.5 )2 + ( 26,5−21.5 )2 + ( 26−21.5 )2+ ( 25−21.5 )2 +¿ ( 12,5−2
σ =
14
σ 2=55.656043956044
Solución (usando Excel, y aplicando fórmula para población)
Para comprobar el resultado además del uso de calculadora, Excel se usó una calculadora online:
B) LA DESVIACIÓN TÍPICA:
Solución: se usa la fórmula:
2 2 2 2 2 2 2
( 28,2−21.5 ) + (18,1−21.5 ) + ( 34,4−21.5 ) + ( 28,9−21.5 ) + ( 26,5−21.5 ) + ( 26−21.5 ) + ( 25−21.5 ) +¿ ( 12,5−2
σ=
√ 14
σ =7.1889228848902

C) DESVIACIÓN MEDIA:
Se usa la fórmula:
|28,2−21.5|+|18,1−21.5|+|34,4−21.5|+|28,9−21.5|+|26,5−21.5|+|26−21.5|+|25−21.5|+ ¿|12,5−21.5|+|
Dm =
14
D m =6.2571428571
TAREA 2:
En la siguiente aparecen los años de servicio acumulados por 360 trabajadores de una gran
empresa antes de su retiro voluntario:
Años de Número de empleados

experiencia
0-1 10
1-2 34
2-3 56
3-4 76
4-5 80
5-6 25
6-7 10
7-8 27
8-9 12
9-10 8
10-11 19
11-12 3
Vamos a encontrar ejercicios Para esta muestra halle:
a. Histograma
b. Media
c. Mediana
d. Moda
e. Varianza
f. Qué porcentaje de empleados tiene más de 8 años de experiencia y menos de 6 años de
experiencia
Tabla de frecuencias
Marca de clase: x i
Frecuencia absoluta: f i
Frecuencia acumulada: F i
Años de xi fi Fi
experiencia
0-1 0.5 10 10
1-2 1.5 34 44
2-3 2.5 56 100
3-4 3.5 76 176
4-5 4.5 80 256
5-6 5.5 25 281
6-7 6.5 10 291
7-8 7.5 27 318
8-9 8.5 12 330
9-10 9.5 8 338
10-11 10.5 19 357
11-12 11.5 3 360
a) Dibuje el histograma
Número de Empleados
80
76
Empleados
56
34
25 27
19
10 10 12
8
0-1 1-2 2-3 3-4 4-5 5-6 6-7 7-8 8-9 9-10 3
10-11 11-12
Años de experiencia
b) Media
Sumamos la totalidad de los productos de frecuencia absoluta por la marca de clase de
cada intervalo
Años de xi fi Fi x i* f i
experiencia
0-1 0.5 10 10 5
1-2 1.5 34 44 51
2-3 2.5 56 100 140
3-4 3.5 76 176 266
4-5 4.5 80 256 360
5-6 5.5 25 281 137,5
6-7 6.5 10 291 65
7-8 7.5 27 318 202,5
8-9 8.5 12 330 102
9-10 9.5 8 338 76
10-11 10.5 19 357 199,5
11-12 11.5 3 360 34,5
360 1639
1639
X=
360
1639
X=
360
X =4,55
c) Mediana
Identificamos la clase mediana:

360
=180
2
Ahora debemos buscar el intervalo donde la frecuencia acumulada (Fi ) contenga el valor
obtenido (180).
4-5 4.5 80 256

N
−F i−1
Buscamos los valores para agregar a la formula L + 2 ∗t i
i
f1
Li-1 Es el límite inferior de la clase donde se encuentra la mediana=4.
N / 2 Es la semisuma de las frecuencias absolutas: 180
Fi-1 Es la frecuencia acumulada anterior a la clase mediana: 176
fi Es la frecuencia absoluta del intervalo mediano:80
ti Es la amplitud de los intervalos:1.
180−176 4
Me=4 + = =0,05
80 20
d) Moda
Buscamos los valores:
Li-1 Es el límite inferior de la clase donde se encuentra la mediana=4.
fi-1 Intervalo anterior al de mayor frecuencia: 176
fi El intervalo de mayor frecuencia: 80
fi+1 Intervalo posterior al de mayor frecuencia: 25
ti Es la amplitud de los intervalos:1.
f i−f i −1
Mo=Li +
(f ¿ ¿i−f i−1 )+ ¿¿ ¿
80−76 4 4
Mo=4 + ∗1=¿ 4 + ∗1= =0,06
(80−76)+(80−25) 4+ 55 59
Mo= 0,06
e) Varianza
Realizamos la operación: el producto del cuadrado de la marca de clase por la frecuencia
absoluta
Años de xi fi Fi x i* f i x i2* f i
experiencia
0-1 0.5 10 10 5 2,5
1-2 1.5 34 44 51 76,5
2-3 2.5 56 100 140 350
3-4 3.5 76 176 266 931
4-5 4.5 80 256 360 1620
5-6 5.5 25 281 137,5 756,25
6-7 6.5 10 291 65 422,5
7-8 7.5 27 318 202,5 1518,75
8-9 8.5 12 330 102 867
9-10 9.5 8 338 76 722
10-11 10.5 19 357 199,5 2094,75
11-12 11.5 3 360 34,5 396,75
360 1639 9758
9758 9758
v= −4,552 = −20,7=26,1
360 360
f) Desviación típica
Necesitamos:
Media: X =4,55
Varianza: 26,1
9758
√ 360
−−4,552 =√27.10−20,7025= √ 6,7025 =2,529
g) Qué porcentaje de empleados tiene más de 8 años de experiencia y menos de 6 años

de experiencia.
Años de xi fi Fi x i* f i x i2* f i % F1%

experiencia
0-1 0.5 10 10 5 2,5 2,8 2,8
1-2 1.5 34 44 51 76,5 9,4 12,2

2-3 2.5 56 100 140 350 15,6 27,8
3-4 3.5 76 176 266 931 21,1 48,9

4-5 4.5 80 256 360 1620 22,2 71,1
5-6 5.5 25 281 137,5 756,25 6,9 78,1
6-7 6.5 10 291 65 422,5 2,8 80,8
7-8 7.5 27 318 202,5 1518,75 7,5 88,3
8-9 8.5 12 330
102 867 3,3 91,7
9-10 9.5 8 338
76 722 2,2 93,9
10-11 10.5 19 357
199,5 2094,75 5,3 99,2
11-12 11.5 3 360 34,5 396,75 0,8 100,0
360 1639 9758 100%
De acuerdo a la gráfica, se estima que un 89.7% se encuentra en el rango de más de 8
años de experiencia y los que tienen menos de 6.
TAREA 3.
La siguiente tabla refiere a los usos más comunes citados en una encuesta realizada a usuarios de
ordenadores de pequeñas y medianas empresas.
Área Respuesta
Contabilidad 26%
Procesadores de texto 15%
Hojas de calculo 24%
Bases de datos 13%
Puntos de venta 10%
Información 4%
Otros 8%
Hallar:
a) Media
b) Mediana
c) Moda
d) Varianza
e) Desviación típica
f) Realizar el histograma correspondiente a los datos
Solución:
Para el presente ejercicio, solo aplica la moda, ya que la variable que se mide es de tipo cualitativo; el
resto de medidas no aplican.
En estadística, la moda es el valor con mayor frecuencia, y por lo tanto, es el valor cuyo porcentaje es
mayor, en el caso de este ejercicio, la mayor respuesta se encuentra en 26% lo que corresponde al área de
contabilidad, la cual corresponde a la moda.
TAREA 4:
Una compañía asigna diferentes precios a un equipo de sonido particular en ocho regiones
diferentes del país. La tabla adjunta muestra el número de unidades vendidas y los precios
correspondientes (en miles de pesos).
Ventas 402 381 350 430 441 380 405 420 421
Precio 45 66 70 90 75 45 65 70 65
Ventas: x
Precio: y
Para organizar la tabla adecuadamente le damos los siguientes valores, (xy) serán
productos de la multiplicación y x 2 será la potencia realizada por x.
x y (xy) x2
402 45 18090 161604
381 66 25146 145161
350 70 24500 122500
430 90 38700 184900
441 75 33075 194481
380 45 17100 144400
405 65 26325 164025
420 70 29400 176400
421 65 27365 177241
TOTAL 3630 591 239701 1470712
Siendo n=9
a. Estimar la ecuación de regresión lineal de las ventas sobre el precio que mejor se ajuste.
Se utilizan las ecuaciones para determinar a y b. las cuales son
y=ax+ b
n ∑ xy−∑ x ∑ y
a= 2
n ∑ x 2− ( ∑ x )
b=
∑ y−a ∑ x
n
Entonces
n ∑ xy−∑ x ∑ y
a= 2
n ∑ x 2− ( ∑ x )
9 (3630 ) (591)−( 3630 )( 591 )

a=
9 ( 1470712 )− (3630 )2
(19307970)−( 2145330 )
a=
( 13236408 )−(1470712)
17162640
a=
11765696
a=1.4587
b=
∑ y−a ∑ x
n
591−(1.4587)(3630)
b=
9
591−(5295.1)
b=
8
−4704.1
b=
9
b=−522.67
Se realiza la ecuación lineal
y=1.4587 x−522.67
y +522.67=1.4587 x
y+ 522.67
=x
1.4587
y +522.67
x=
1.4587
b. Determinar las ventas si el precio es de 55, 58, 68, y 70 miles de pesos.
PRECIO I: 55
y +522.67
x=
1.4587
55+522.67
x=
1.4587
577.67
x=
1.4587
x=¿396.01
PRECIO II: 58
y +522.67
x=
1.4587
58+522.67
x=
1.4587
580.67
x=
1.4587
x=¿398.07
PRECIO III: 68
y +522.67
x=
1.4587
68+522.67
x=
1.4587
590.67
x=
1.4587
x=404.92
PRECIO IV: 70
y +522.67
x=
1.4587
70+522.67
x=
1.4587
592.67
x=
1.4587
x=¿406.30
Realizamos una tabla con los valores obtenidos:
VENTAS 55 58 68 70
PRECIO 369.01 398.07 404.92 406.30
c. Determinar R y dar una interpretación
x y x−x́ y- ý ( x− x́ ¿2 (y- ý ¿2 (x−x́ ¿ ¿ y- ý ¿

402 45 -1,33 -20,67 1,78 427,11 27,56
381 66 -22,33 0,33 498,78 0,11 -7,44
350 70 -53,33 4,33 2844,44 18,78 -231,11
430 90 26,67 24,33 711,11 592,11 648,89
441 75 37,67 9,33 1418,78 87,11 351,56
380 45 -23,33 -20,67 544,44 427,11 482,22
405 65 1,66 -0,67 2,78 0,44 -1,11
420 70 16,67 4,33 277,78 18,78 72,22
421 65 17,67 -0,67 312,11 0,44 -11,78
¿ 3630 591 6612 1572 1331
datos
n=9
Media del total de x: 403.3
Media del total de y: 65.66
Utilizamos la formula
r=
∑ (x−x́)( y− ý )
√ ∑ ( x−x́ )2 √∑ ( y −ý )2
1331
r=
√ 6612 √ 1572
1331
r=
( 81.31 ) ( 39.64 )
1331
r=
3223.3
r =0.4129
Para la correlación de Pearson, un valor absoluto de 1 indica una relación lineal perfecta. Una
correlación cercana a 0 indica que no existe relación lineal entre las variables. Esto quiere decir
que nuestro resultado se aproxima a r¿ 0.476
Relación positiva moderada: Pearson r = 0.476
Algunos puntos están cerca de la línea, pero otros puntos están lejos de ella, lo que indica que
solo existe una relación lineal moderada entre las variables.
REFERENCIAS BIBLIOGRÁFICAS
contributors, E. (2011). Regresión Lineal. Obtenido de https://www.ecured.cu/Regresi
%C3%B3n_lineal
ESTADISTICA. (s.f.). Obtenido de https://sites.google.com/site/iniciacionestadistica/4-
estadistica-descriptiva/4-7-medidas-de-dispersion
Romero, E. (2016). Estadística para todos: análisis de datos; estadística descriptiva; teoría de la
probabilidad e inferencia. Editorial Difusora Larousse - Ediciones Pirámide. Recuperado
de
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/detail.action?
docID=11231145&p00=Estadistica+descriptiva
Matus, R., et al. Estadística, Instituto Politécnico Nacional, 2010. ProQuest E-book Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3187261.
Created from unadsp en 2019-04-17 11:54:39.
López, C. (2016). Que son las medidas de dispersión y tipos. Un profesor. Recuperado de:
https://www.unprofesor.com/matematicas/que-son-las-medidas-de-dispersion-y-tipos-927.html
Romero, E. (2016). Estadística para todos: análisis de datos; estadística descriptiva; teoría de la
probabilidad e inferencia. Editorial Difusora Larousse - Ediciones Pirámide. Recuperado de
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/detail.action?
docID=11231145&p00=Estadistica+descriptiva
Gallardo, Y [Yoney Gallardo]. (12 dic. 2015). Curso Excel 2016 - Básico [Archivo de video].
Recuperado de https://www.youtube.com/watch?v=TLMKv1OzUDc

Actividad - Colaborativa Unidad 2 Paso 4

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Actividad - Colaborativa Unidad 2 Paso 4

Încărcat de

Drepturi de autor:

Formate disponibile

ESTADÍSTICA DESCRIPTIVA

TAREA 4 – ACTIVIDAD COLABORATIVA 2

CARLOS ARIOLFO MARTINEZ ESTEVEZ COD 1099282448

ZORAYDA IVETTE RICO COD 52314503

CARLOS FELIPE JAIMES VILLAMIZAR COD 1095810244

DIANA MAYERLI MARTINEZ COD 1005294118

MARIA CAMILA GONZALEZ

Directora Del Curso.

FREDDY YESID VILLAMIZAR

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

1. Cada estudiante presentará en el foro los conceptos de medidas de dispersión, regresión

DEFINICIONES ESTUDIANTE CARLOS MARTINEZ:

Para datos ordenados se calcula como:

Dónde: x(n): Es el mayor valor de la variable. x(n): Es el menor valor de la variable.

Desviación media: La desviación respecto a la media es la diferencia entre cada valor de la

La desviación media se representa por D x́

Para datos agrupados:

Donde “Xi” es el dato “i-ésimo” y “X barra” es la media de los “N” datos.

El coeficiente de variación se suele expresar en porcentajes:

Existen 2 modelos de regresión lineal:

Es un cumulo de procedimientos e indicadores estadísticos utilizados para determinar el grado

 La covarianza: (cov(x,y)) de dos variables es un indicador de la relación entre ellas. Este

 Coeficiente de correlación de Pearson: Este coeficiente mide el grado de asociación

DEFINICIONES ESTUDIANTE: CARLOS FELIPE JAIMES VILLAMIZAR

distancia de los datos a la medida de posición y más representativa resultará ésta.

uso de la siguiente formula:

b) La desviación típica: La desviación típica, o desviación estándar, es la raíz cuadrada positiva de

c) Coeficiente de variación: El coeficiente de variación es una de las medidas de dispersión

desaparezcan las unidades y nos proporciona una medida de dispersión o variabilidad

de las denominadas variables independientes o explicativas (Xi).

variable independiente. Llamaremos regresión de Y sobre X a la función que explica el comportamiento

de la variable dependiente Y en función de los valores de la variable independiente X.

existe relación entre estas dos variables.

relacionadas entre sí.

El coeficiente de correlación lineal toma siempre valores entre −1 y 1:

más se aproxime el valor a −1.

numéricos a través de sus cuartiles.

dibujar vertical u horizontalmente.

DEFINICIONES DIANA MAYERLI MARTINEZ

Para datos ordenados se calcula como:

Dónde: x(n): Es el mayor valor de la variable. x(n): Es el menor valor de la variable.

Xi: valores de la variable.

n: número total de datos

La desviación estándar o desviación típica es la raíz cuadrada de la varianza.

Es decir, la raíz cuadrada de la media de los cuadrados de las puntuaciones de desviación.

La desviación estándar se representa por σ

Donde Xi es el dato i-ésimo y es la media de los N datos.

28,2 18,1 34,4 28,9 26,5 26 25

Para esta población determine:

28,2+18,1+ 34,4+28,9+26,5+26 +25+12,5+10+10,9+20,5+25,5+ 14,9+ 20

Se aplica formula de varianza:

Se usa esta fórmula que es para la población y no para la muestra.

Solución (usando Excel, y aplicando fórmula para población)

Solución: se usa la fórmula:

Solución (usando Excel, y aplicando fórmula para población)

Solución (usando Excel, y aplicando fórmula para población)

Años de Número de empleados

Vamos a encontrar ejercicios Para esta muestra halle:

Identificamos la clase mediana:

4-5 4.5 80 256

Li-1 Es el límite inferior de la clase donde se encuentra la mediana=4.

N / 2 Es la semisuma de las frecuencias absolutas: 180

Fi-1 Es la frecuencia acumulada anterior a la clase mediana: 176